×

贝叶斯计算:当前状态的总结,以及前后采样。 (英语) Zbl 1331.62017年

摘要:近几十年来,统计模型的计算推断有了巨大的改进;在广泛的计算工具中,存在着竞争性的持续增强。在贝叶斯推断中,首先也是最重要的一点是,MCMC技术不断发展,从随机游走提议到朗之万漂移,再到哈密尔顿蒙特卡罗,等等,理论和算法创新都为从业者打开了新的机会。然而,这一令人印象深刻的容量演变面临着待处理数据集复杂性的急剧增加。建模和处理越来越复杂的数据集的困难很可能需要一种新型的计算推断工具,该工具在捕获原始数据的基本方面的同时,大大降低了原始数据的维度和大小。因此,近似模型和算法可能是下一次计算革命的核心。

MSC公司:

62-03 统计历史
01A65号 当代数学的发展
65C60个 统计中的计算问题(MSC2010)
PDF格式BibTeX公司 XML格式引用

参考文献:

[1] Afonso,M.,Bioucas-Dias,J.,Figueiredo,M.:成像逆问题约束优化公式的增广拉格朗日方法。IEEE标准。事务处理。图像处理。20, 681-695 (2011) ·Zbl 1372.94004号
[2] Albert,J.:使用贝叶斯层次广义线性模型的计算方法。J.Am.Stat.Assoc.83,1037-1044(1988)
[3] Aldous,D.,Krikun,M.,Popovic,L.:高阶分类群上系统发育树的随机模型。数学杂志。生物学第56525-557期(2008年)·Zbl 1141.92027号
[4] Alquier,P.,Friel,N.,Everitt,R.,Boland,A.:噪声蒙特卡罗:具有近似转移核的马尔可夫链的收敛性。统计计算。1-19 (2014) ·Zbl 1342.60122号
[5] Andrieu,C.,Doucet,A.,Holenstein,R.:粒子马尔可夫链蒙特卡罗(带讨论)。J.R.Stat.Soc.B 72(2),269-342(2011)·Zbl 1411.65020号
[6] Andrieu,C.,Moulines,E:关于一些自适应MCMC算法的遍历性。附录申请。普罗巴伯。16, 1462-1505 (2006) ·Zbl 1114.65001号
[7] Andrieu,C.,Robert,C.:用于最佳采样的受控MCMC。技术报告,Cahiers du Ceremade(2001)
[8] Andrieu,C.,Roberts,G.:有效蒙特卡罗计算的伪边缘方法。Ann.Stat.37,697-725(2009年)·Zbl 1185.60083号
[9] Andrieu,C.,Tadić,V.B.,Vihola,M.:一些受控马尔可夫链的稳定性及其在马尔可夫动力学随机逼近中的应用。附录申请。普罗巴伯。25, 1-45 (2015) ·Zbl 1317.65004号
[10] Andrieu,C.,Thoms,J.:自适应MCMC教程。统计计算。18, 343-373 (2008)
[11] Andrieu,C.,Vihola,M.:伪边际马尔可夫链蒙特卡罗算法的收敛性。附录申请。普罗巴伯。25, 1030-1077 (2015) ·Zbl 1326.65012号
[12] Angelino,E.,Kohler,E.,Waterland,A.,Seltzer,M.,Adams,R.:通过并行预测预取加速MCMC。arXiv预印arXiv:1403.7265(2014)·Zbl 1252.65024号
[13] 阿查德(Atchadé),Y.:Metropolis adjusted Langevin算法的自适应版本,具有截断漂移。Methodol公司。计算。申请。普罗巴伯。8, 235-254 (2006) ·兹比尔1104.65004
[14] Atchadé,Y.,Rosenthal,J.:关于自适应马尔可夫链蒙特卡罗算法。伯努利11,815-828(2005)·Zbl 1085.62097号
[15] Attchadé,Y.F.,Liu,J.S.:一般状态空间中的Wang-Landau算法:应用和收敛性分析。统计正弦。20, 209-233 (2010) ·Zbl 1181.62022号
[16] Atchadé,Y.,Fort,G.,Moulines,E.,Priouret,P.:自适应马尔可夫链蒙特卡罗:理论和方法。收录于:Barber,D.,Cemgil,A.T.,Chiappa,S.(编辑)贝叶斯时间序列模型,第2章,第32-51页。剑桥大学出版社,剑桥(2011a)
[17] Atchadé,Y.F.,Roberts,G.O.,Rosenthal,J.S.:都市耦合马尔可夫链蒙特卡罗的最优尺度。统计计算。21555-568(2011年b)·Zbl 1223.65001号
[18] Bai,Y.,Roberts,G.,Rosenthal,J.:关于自适应马尔可夫链蒙特卡罗算法的包含条件。高级申请。统计21,1-54(2011)·Zbl 1225.60130号
[19] Barber,S.,Voss,J.,Webster,M.:近似贝叶斯计算的收敛速度。电子。J.Stat.9,80-105(2015)·Zbl 1307.62063号
[20] Bardenet,R.,Doucet,A.,Holmes,C.:走向放大马尔可夫链蒙特卡罗:一种自适应子采样方法。收录:Jebara,T.,Xing,E.P.(编辑)《第31届国际机器学习大会论文集》(ICML-14)。JMLR研讨会和会议记录,第405-413页(2014年)
[21] Barthemé,S.,Chopin,N.:无相似推理的期望传播。《美国法律总汇》第109卷,第315-333页(2014年)·Zbl 1367.62063号
[22] Bauschke,H.H.,Combettes,P.L.:希尔伯特空间中的凸分析和单调算子理论。施普林格,纽约(2011)·Zbl 1218.47001号
[23] Beaumont,M.:基因监测人群中人口增长或下降的估计。遗传学1641139-1160(2003)
[24] Beaumont,M.:进化和生态学中的近似贝叶斯计算。每年。经济评论。进化。系统。41379-406(2010年)
[25] Beaumont,M.,Nielsen,R.,Robert,C.,Hey,J.,Gaggiotti,O.,Knowles,L.,Estoup,A.,Mahesh。摩尔生态。19(3), 436-446 (2010)
[26] Beaumont,M.,Zhang,W.,Balding,D.:人口遗传学中的近似贝叶斯计算。遗传学1622025-2035(2002)
[27] Bédard,M.:针对非身份识别目标分布的Metropolis算法的弱收敛性。附录申请。普罗巴伯。17, 1222-1244 (2007) ·Zbl 1144.60016号
[28] Bédard,M.,Douc,R.,Moulines,E.:多重MCMC方法的标度分析。斯托克。过程。申请。122, 758-786 (2012) ·Zbl 1239.60075号
[29] Bédard,M.,Douc,R.,Moulines,E.:延迟排斥MCMC方法的标度分析。Methodol公司。计算。申请。普罗巴伯。16, 811-838 (2014) ·Zbl 1323.65001号
[30] Belle,E.,Benazzo,A.,Ghirotto,S.,Colonna,V.,Barbujani,G.:通过系列合并模拟比较尼安德特人、克罗地亚人和现代欧洲人之间的家谱关系模型。遗传102,218-225(2008)
[31] Bennett,J。;Racine-Poon,A。;韦克菲尔德,J。;Gilks,W.(编辑);Richardson,S.(编辑);Spiegelhalter,D.(ed.),非线性层次模型MCMC,339-358(1996),纽约
[32] Berger,J.、Fienberg,S.、Raftery,A.、Robert,C.:不连贯的谱系地理推断。程序。国家。阿卡德。科学。美国107,E57(2010)
[33] Besag,J.:评论U.Grenander和M.I.Miller的“复杂系统中知识的表示”。J.R.Stat.Soc.B 56,591-592(1994)
[34] Besag,J.,Green,P.:空间统计和贝叶斯计算(含讨论)。J.R.Stat.Soc.B 55,25-38(1993)·Zbl 0800.62572号
[35] Besag,J.、Green,P.J.、Higdon,D.、Mengersen,K.:贝叶斯计算和随机系统(含讨论)。统计科学。10, 3-66 (1995) ·Zbl 0955.6252号
[36] Besag,J.E.:最近邻系统和二进制数据的自动逻辑模型。J.R.Stat.Soc.B 34,75-83(1972)·Zbl 0268.60088号
[37] Beskos,A.,Jasra,A.,Muzaffer,E.A.,Stuart,A.M.:贝叶斯椭圆反问题的序列蒙特卡罗方法。统计计算。25(2015年出版)·Zbl 1331.65012号
[38] Beskos,A.,Papaspiliopoulos,O.,Roberts,G.,Fearnhead,P.:离散观测扩散过程的精确且计算效率高的基于似然的估计(含讨论)。J.R.Stat.Soc.B 68,333-382(2006)·Zbl 1100.62079号
[39] Beskos,A.、Pillai,N.、Roberts,G.、Sanz-Serna,J.-M、Stuart,A.:混合蒙特卡罗算法的优化调整。伯努利19,1501-1534(2013)·Zbl 1287.60090号
[40] Beskos,A.、Roberts,G.、Stuart,A.:高维非产品目标上本地Metropolis-Hastings链的最佳缩放。附录申请。普罗巴伯。19, 863-898 (2009) ·Zbl 1172.60328号
[41] Betancourt,M.:黎曼流形Hamilton Monte Carlo的一般度量。收录:Nielsen,F.,Barbaresco,F.(编辑)国家信息几何科学会议。计算机科学课堂讲稿,第8085卷,第327-334页。施普林格(2013)·Zbl 1406.65004号
[42] Betancourt,M.,Byrne,S.,Girolma,M.:优化哈密顿蒙特卡罗积分步长。arXiv预印arXiv:1411.6669(2014)·Zbl 1209.65004号
[43] Betancourt,M.J.、Byrne,S.、Livingstone,S.和Girolma,M.:哈密尔顿蒙特卡罗的几何基础。ArXiv电子打印。1410.5110 (2014) ·Zbl 1380.60070号
[44] Biau,G.,Cérou,F.,Guyader,A.:对近似贝叶斯计算的新见解。Ann.l'IHP(概率统计)51,376-403(2014)·Zbl 1307.62012年
[45] Blum,M.:近似贝叶斯计算:非参数视角。《美国统计协会期刊》105,1178-1187(2010)·Zbl 1390.62052号
[46] Blum,M.,François,O.:近似贝叶斯计算的非线性回归模型。统计计算。20, 63-73 (2010)
[47] Blum,M.,Nunes,M.、Prangle,D.、Sisson,S.:近似贝叶斯计算中降维方法的比较综述。统计科学。28, 189-208 (2013) ·Zbl 1331.62123号
[48] Bornn,L.,Pillai,N.,Smith,A.,Woodard,D.:ABC算法的伪边缘观点。ArXiv电子打印。1404.6298 (2014)
[49] Bou-Rabee,N.,Hairer,M.:MALA算法的非渐近混合。IMA J.数字。分析。33(1), 80-110 (2012) ·Zbl 1305.65012号
[50] Boyd,S.、Parikh,N.、Chu,E.、Peleato,B.、Eckstein,J.:通过交替方向乘数法进行分布式优化和统计学习。已找到。趋势马赫数。学习。3, 1-122 (2011) ·Zbl 1229.90122号
[51] Brockwell,A.:预取的并行马尔可夫链蒙特卡罗模拟。J.计算。图表。《法律总汇》第15246-261页(2006年)
[52] Calderhead,B.:Metropolis-Hastings算法并行化的一般结构。程序。国家。阿卡德。科学。美国11117408-17413(2014)
[53] Calvet,C.,Czellar,V.:近似贝叶斯计算滤波的精确方法。J.Financ。经济。(2014年,待发布)·Zbl 0876.60015号
[54] Candès,E.J.、Romberg,J.K.、Tao,T.:从不完整和不准确的测量中恢复稳定的信号。Commun公司。纯应用程序。数学。59, 1207-1223 (2006) ·邮编1098.94009
[55] Candès,E.J.,Tao,T.:凸松弛的力量:近最优矩阵完成。IEEE传输。《信息论》56,2053-2080(2009)·Zbl 1366.15021号
[56] Candès,E.J.,Wakin,M.B.:压缩取样简介。IEEE信号处理。2008年3月25日至21日
[57] Cappé,O.,Robert,C.,Rydén,T.:可逆跳跃MCMC收敛到生死MCMC,以及更通用的连续时间采样器。J.R.Stat.Soc.B 65,679-700(2002)·Zbl 1063.62133号
[58] Carlin,B.,Gelfand,A.:非共轭贝叶斯分析的迭代蒙特卡罗方法。统计计算。1, 119-128 (1991)
[59] Carlin,B.,Gelfand,A.,Smith,A.:变点问题的层次贝叶斯分析。申请。《法令》(C)41,389-405(1992)·Zbl 0825.62408号
[60] Cevher,V.,Becker,S.,Schmidt,M.:大数据的凸优化:大数据分析的可扩展、随机和并行算法。IEEE信号处理。Mag.31,32-43(2014)
[61] Chambolle,A.:总变异最小化算法及其应用。数学杂志。成像视觉。20, 89-97 (2004) ·Zbl 1366.94048号
[62] Chandrasekaran,V.,Jordan,M.I.:通过凸松弛进行计算和统计权衡。程序。国家。阿卡德。科学。美国1101181-1190(2013)
[63] Chandrasekaran,V.,Recht,B.,Parrilo,P.,Willsky,A.:线性反问题的凸几何。已找到。计算。数学。12, 805-849 (2012) ·Zbl 1280.52008年
[64] Chipman,H.、George,E.、McCulloch,R.:BART:贝叶斯加性回归树。阿卡迪亚大学技术报告。arXiv:0806.3286v1(2008)·Zbl 1189.62066号
[65] 肖邦,N.:时序隐马尔可夫模型的推断和模型选择。J.R.Stat.Soc.B 69(2),269-284(2007)·Zbl 1120.62065号
[66] 肖邦,N.,雅各布,P.E.,帕帕斯皮利奥普洛斯,O.:SMC2:状态空间模型序列分析的有效算法。J.R.Stat.Soc.B 75,397-426(2013)·Zbl 1411.62242号
[67] Christensen,O.,Roberts,G.,Rosenthal,J.:本地Metropolis-Hastings算法瞬态阶段的缩放限制。J.R.Stat.Soc.B 67,253-268(2005)·兹比尔1075.65012
[68] Combettes,P.L.,Pesquet,J.-C.:求解凸变分反问题的近似分解方法。反向探测。24, 065014 (2008) ·Zbl 1154.49025号
[69] 梳形物,PL;Pesquet,J-C;Bauschke,HH(编辑);Burachik,RS(编辑);组合,PL(编辑);Elser,V.(编辑);卢克博士(编辑);Wolkowicz,H.(编辑),《信号处理中的近距离分裂方法》,185-212(2011),纽约·Zbl 1242.90160号
[70] Combettes,P.L.,Pesquet,J.-C.:用复合、Lipschitzian和平行和型单调算子的混合物求解夹杂物的原对偶分裂算法。集值分析。20, 307-330 (2012) ·Zbl 1284.47043号
[71] Combettes,P.L.,Pesquet,J.-C.:具有随机扫描的随机准Fejér块坐标不动点迭代。ArXiv电子打印。1404.7536 (2014) ·Zbl 1317.65135号
[72] Cornuet,J.-M.,Ravigné,V.,Estoup,A.:利用DNA序列和微卫星数据以及软件DIYABC(v1.0)对人口历史和模型进行推断。BMC生物信息。11, 401 (2010)
[73] Cornuet,J.-M.,Santos,F.,Beaumont,M.,Robert,C.,Marin,J.-M,Balding,D.,Guillemaud,T.,Estoup,A.:用DIYABC推断人口历史:一种用户友好的近似贝叶斯计算方法。生物信息学24,2713-2719(2008)
[74] Cotter,S.、Roberts,G.、Stuart,A.、White,D.等人:函数的MCMC方法:修改旧算法使其更快。统计科学。28, 424-446 (2013) ·Zbl 1331.62132号
[75] Craiu,R.、Rosenthal,J.、Yang,C.:向你的邻居学习:平行中国和区域适应性MCMC。《美国统计协会期刊》104,1454-1466(2009)·Zbl 1205.65028号
[76] Craiu,R.V.,Meng,X.-L.:前向和后向马尔可夫链蒙特卡罗的多进程并行对偶耦合。Ann.Stat.33,661-697(2005)·Zbl 1068.62090号
[77] Cucala,L.,Marin,J.-M.,Robert,C.,Titterington,D.:k近邻分类模型中的贝叶斯推断。《美国统计协会期刊》104(485),263-273(2009)·Zbl 1388.62183号
[78] Dean,J.,Ghemawat,S.:MapReduce:大型集群上的简化数据处理。Commun公司。ACM 51,107-113(2008)
[79] Del Moral,P.,Doucet,A.,Jasra,A.:序贯蒙特卡罗采样器。J.R.Stat.Soc.B 68,411-436(2006)·Zbl 1105.62034号
[80] Dellaportas,P.,Papaspiliopoulos,O.,Roberts,G.:非高斯Ornstein-Uhlenbeck随机波动过程的贝叶斯推断。J.R.Stat.Soc.B 66,369-393(2004)·Zbl 1062.62049号
[81] Dellaportas,P.,Wright,D.:贝叶斯分析中的积极嵌入整合。统计计算。1, 1-12 (1991)
[82] Diaconis,P.,Strock,D.:马尔可夫链特征值的几何界。附录申请。普罗巴伯。1,36-61(1991年)·Zbl 0731.60061号
[83] Didelot,X.,Everitt,R.,Johansen,A.,Lawson,D.:模型证据的无似然估计。贝叶斯分析。6, 48-76 (2011) ·Zbl 1330.62118号
[84] Diebolt,J.,Robert,C.:通过贝叶斯抽样对有限混合物分布的估计。J.R.Stat.Soc.B 56,363-375(1994)·Zbl 0796.62028号
[85] Doll,J.,Dion,D.:原子/固体表面散射的广义Langevin方程方法:高斯广义Langevan动力学的数值技术。化学杂志。物理学。65, 3762-3766 (1976)
[86] Douc,R.,Robert,C.:大都会黑斯廷斯算法的典型Rao-Blackwellization。Ann.Stat.第39页,第261-277页(2011年)·Zbl 1209.62023号
[87] Doucet,A.,Pitt,M.,Deligiannidis,G.,Kohn,R.:使用无偏似然估计量时马尔可夫链蒙特卡罗的有效实现。生物特征(将于2015年发布)。arXiv预印arXiv:1210.1871(2012)·Zbl 1452.62055号
[88] Drovandi,C.,Pettitt,A.,Fddy,M.:使用间接推理的近似贝叶斯计算。J.R.Stat.Soc.A 60,503-524(2011)
[89] Duane,S.、Kennedy,A.D.、Pendleton,B.J.、Roweth,D.:混合蒙特卡罗。物理学。莱特。B 195,216-222(1987)
[90] Ermak,D.:溶液中带电粒子的计算机模拟。I.技术和平衡特性。化学杂志。物理学。62, 4189-4196 (1975)
[91] Excoffier,C.,Leuenberger,D.,Wegmann,L.:种群遗传学中的贝叶斯计算和模型选择。arXiv:0901.2231(2009)·Zbl 1259.60082号
[92] Fearnhead,P.,Clifford,P.:通过粒子滤波器进行隐马尔可夫模型的在线推断。J.R.Stat.Soc.B 65,887-899(2003)·Zbl 1059.62098号
[93] Fearnhead,P.,Prangle,D.:构建近似贝叶斯计算的汇总统计:半自动近似贝叶斯计算(带讨论)。J.R.Stat.Soc.B 74,419-474(2012)·Zbl 1411.62057号
[94] Fort,G.,Moulines,E.,Priouret,P.:自适应和交互式马尔可夫链蒙特卡罗算法的收敛性。Ann.Stat.39,3262-3289(2011年)·Zbl 1246.65003号
[95] Frigessi,A.,Gasemyr,J.,Rue,H.:两个吉布斯采样器链的抗药性耦合。Ann.Stat.281128-1149(2000)·Zbl 1105.65303号
[96] Geman,S.,Geman,D.:图像的随机松弛、吉布斯分布和贝叶斯恢复。IEEE传输。模式分析。机器。智力。6, 721-741 (1984) ·Zbl 0573.62030号
[97] Geyer,C.J.:实用马尔可夫链蒙特卡罗。统计科学。7, 473-483 (1992)
[98] Ghirotto,S.、Mona,S.,Benazzo,A.、Paparazzo,F.、Caramelli,D.、Barbujani,G.:从撒丁岛的Bronze-Age模式和现代DNA变异推断家谱过程。分子生物学。进化。27, 875-886 (2010)
[99] Gilks,W.,Roberts,G.,George,E.:自适应方向采样。J.R.Stat.Soc.D 43,179-189(1994)
[100] Gilks,W.,Roberts,G.,Sahu,S.:通过再生的自适应马尔可夫链蒙特卡罗。《美国法律总汇》第93卷,第1045-1054页(1998年)·Zbl 1064.65503号
[101] Girolma,M.,Calderhead,B.:黎曼流形Langevin和Hamilton Monte Carlo方法。J.R.Stat.Soc.B 73,123-214(2011)·Zbl 1411.62071号
[102] Girolma,M.,Lyne,A.-M.,Strathmann,H.,Simpson,D.,Atchadé,Y.:玩俄罗斯轮盘赌的难处理可能性。arXiv预印本。arXiv:1306.4032(2013)·兹比尔1426.62092
[103] Green,P.:可逆跳跃MCMC计算和贝叶斯模型确定。《生物特征》82,711-732(1995)·Zbl 0861.62023号
[104] 绿色,PJ;伊利诺伊州德莱顿(编辑);Kent,JT(编辑),第19章:标记和未标记配置的MAD-Bayes匹配和对齐,365-375(2015),奇切斯特
[105] Grelaud,A.,Marin,J.-M.,Robert,C.,Rodolphe,F.,Tally,F.:吉布斯随机场模型选择的无似然方法。贝叶斯分析。3(2), 427-442 (2009)
[106] Grenander,U.,Miller,M.I.:复杂系统中知识的表示(作者进行了讨论和回复)。J.R.Stat.Soc.B 56,549-603(1994)·Zbl 0814.62009号
[107] Griffin,J.,Łatuszyñski,K.,Steel,M.:个体适应:变量选择问题的自适应MCMC方案arXiv预印本。arXiv:1412.6760(2014)
[108] Guillemaud,T.、Beaumont,M.、Ciosi,M.,Cornuet,J.-M.、Estoup,A.:利用微型卫星数据的近似贝叶斯计算推断入侵物种的引入路线。遗传104,88-99(2009)
[109] Haario,H.、Laine,M.、Mira,A.、Saksman,E.:DRAM:高效自适应MCMC。统计计算。16, 339-354 (2006)
[110] Haario,H.,Saksman,E.,Tamminen,J.:自适应大都会算法。伯努利7223-242(2001)·Zbl 0989.65004号
[111] Hairer,E.,Lubich,C.,Wanner,G.:几何-数值积分:常微分方程的结构-保留算法。收录:《计算数学斯普林格系列》,第二版,第31卷。柏林施普林格出版社(2006)·Zbl 1094.65125号
[112] Harford,T.:大数据:我们犯了一个大错误吗?意义11,14-19(2014)
[113] 黑斯廷斯,W.:使用马尔可夫链的蒙特卡罗抽样方法及其应用。生物特征57,97-109(1970)·兹比尔0219.65008
[114] Huelsenbeck,J.P.,Ronquist,F.:MRBAYES:系统发育树的贝叶斯推断。生物信息学17,754-755(2001)
[115] Jaakkola,T.,Jordan,M.:通过变分方法进行贝叶斯参数估计。统计计算。10, 25-37 (2000)
[116] Jacob,P.,Robert,C.,Smith,M.:使用并行计算改进基于Metropolis-Hastings的独立估计。J.计算。图表。《统计》第20卷,第616-635页(2011年)
[117] Jacob,P.E.,Ryder,R.J.:Wang-Landau算法在有限时间内达到了平坦直方图标准。附录申请。普罗巴伯。24, 34-53 (2014) ·Zbl 1288.65005号
[118] Ji,C.,Schmidler,S.C.:贝叶斯变量选择的自适应马尔可夫链蒙特卡罗。J.计算。图表。Stat.22,708-728(2013)
[119] Jordan,M.I.,Ghahramani,Z.,Jaakkola,T.S.,Saul,L.K.:图形模型变分方法简介。机器。学习。37, 183-233 (1999) ·兹比尔0945.68164
[120] Jourdain,B.,Lelièvre,T.,Miasojedow,B.:随机行走Metropolis算法瞬态阶段的最佳缩放:平均场极限。附录申请。普罗巴伯。arXiv预印本。arXiv:1210.7639(将于2012年出版)·Zbl 1329.60262号
[121] Jourdain,B.,Lelièvre,T.,Miasojedow,B.:Metropolis-Hastings算法瞬态阶段的最佳缩放:长期行为。伯努利20,1930-1978(2014)·Zbl 1329.60261号
[122] Kent,J.:时间可逆扩散。高级申请。普罗巴伯。10(4), 819-835 (1978) ·Zbl 0387.60089号
[123] Kloeden,P.E.,Platen,E.:随机微分方程的数值解。摘自:《数学应用》(纽约),第23卷。柏林施普林格出版社(1992年)·Zbl 0752.60043号
[124] Komodakis,N.,Pesquet,J.-C.:玩弄二元性:解决大规模优化问题的最新原始-对偶方法概述。ArXiv电子打印。1406.5429 (2014)
[125] Koratikara,A.,Chen,Y.,Welling,M.:MCMC土地的紧缩:削减大都会黑斯廷斯的预算。arXiv预印本。arXiv:1304.5299(2013)·Zbl 0861.62023号
[126] Kou,S.C.,Zhou,Q.,Wong,W.H.:等能量采样器及其在统计推断和统计力学中的应用(作者进行了讨论和反驳)。Ann.Stat.34,1581-1652(2006)·Zbl 1246.82054号
[127] Lamnisos,D.,Griffin,J.E.,Steel,M.F.:回归模型中贝叶斯变量选择的自适应蒙特卡罗。J.计算。图表。Stat.22,729-748(2013)
[128] Lange,K.,Chi,E.C.,Zhou,H.:统计学家现代优化的简要调查。国际统计修订版82,46-70(2014)·Zbl 1418.90007号
[129] Larget,B.,Simon,D.L.:系统发育树贝叶斯分析的马尔可夫链蒙特卡罗算法。分子生物学。进化。16, 750-759 (1999)
[130] Łatuszyñski,K.,Kosmidis,I.,Papaspiliopoulos,O.,Roberts,G.O.:通过逆时间鞅模拟未知概率事件。随机结构。算法38,441-452(2011)·Zbl 1236.60044号
[131] Łatuszyñski,K.,Roberts,G.,Rosenthal,J.:自适应吉布斯采样器和相关MCMC方法。附录申请。普罗巴伯。23(1), 66-98 (2013) ·Zbl 1263.60067号
[132] Łatuszyński,K.,Rosenthal,J.S.:包含条件和AdapFail算法。J.应用。普罗巴伯。51, 1189-1195 (2014) ·Zbl 1329.60263号
[133] Lee,A.,Łatuszyński,K.:近似贝叶斯计算的马尔可夫链蒙特卡罗核的方差边界和几何遍历性。生物特征101,655-671(2014)·Zbl 1334.60149号
[134] Lee,A.,Yau,C.,Giles,M.,Doucet,A.,Holmes,C.:关于使用先进的蒙特卡罗方法执行大规模并行模拟的图形卡的实用性。Arxiv预印本。Arxiv:0905.2441(2009)
[135] Lee,H.K.,Okabe,Y.,Landau,D.P.:Wang-Landau算法的收敛和改进。技术报告(2005年)·Zbl 1196.82054号
[136] Leuenberger,C.,Wegmann,D.:无可能性的贝叶斯计算和模型选择。遗传学184,243-252(2010)
[137] Levin,D.A.,Peres,Y.,Wilmer,E.L.:马尔可夫链和混合时间。美国数学学会,普罗维登斯(2009)·Zbl 1160.60001号
[138] Lindsten,F.、Jordan,M.I.、Schön,T.B.:具有祖先采样的粒子吉布斯。ArXiv电子打印。1401.0604 (2014) ·Zbl 1319.60151号
[139] Lunn,D.,Thomas,A.,Best,N.,Spiegelhalter,D.:BUGS图书:贝叶斯分析实用介绍。查普曼和霍尔/CRC出版社博卡拉顿(2010)·Zbl 1281.62009年
[140] 麦凯,D.J.C.:信息理论、推理和学习算法。剑桥大学出版社,剑桥(2002)
[141] Maclaurin,D.,Adams,R.P.:萤火虫蒙特卡罗:具有数据子集的精确MCMC。arXiv预印本。arXiv:1403.5693(2014)·Zbl 1272.60053号
[142] Marin,J.、Pillai,N.、Robert,C.、Rousseau,J.:贝叶斯模型选择的相关统计。J.R.Stat.Soc.B 76(5),833-859(2014)·Zbl 1411.62072号
[143] Marin,J.、Pudlo,P.、Robert,C.、Ryder,R.:近似贝叶斯计算方法。统计计算。21(2), 1-14 (2012)
[144] Marshall,T.,Roberts,G.:朗之万MCMC的适应性方法。统计计算。22, 1041-1057 (2012) ·Zbl 1252.62099号
[145] Martinet,B.:正则化方程变量与par近似序列。修订版Fran。d'Autom公司。信息材料。里奇。Opérationelle 4,154-159(1970)·Zbl 0215.21103号
[146] Medina-Aguayo,F.J.,Lee,A.,Roberts,G.O.:喧闹都市的稳定性——黑斯廷斯。arXiv预印本。arXiv:1503.07066(2015)·Zbl 1505.62286号
[147] Mengersen,K.,Tweedie,R.:黑斯廷斯和大都会算法的收敛速度。Ann.Stat.24,101-121(1996)·Zbl 0854.60065号
[148] 纽约大都会:蒙特卡洛方法的开端。洛斯阿拉莫斯科学。15, 125-130 (1987)
[149] Metropolis,N.,Rosenbluth,A.W.,Rosenbluth,M.N.,Teller,A.H.,Teller,E.:通过快速计算机计算状态方程。化学杂志。物理学。21, 1087-1092 (1953) ·Zbl 1431.65006号
[150] Meyn,S.,Tweedie,R.:马尔可夫链和随机稳定性。剑桥大学出版社,剑桥(2009)·Zbl 1165.60001号
[151] Miasojedow,B.,Moulines,E.,Vihola,M.:自适应并行回火算法。J.计算。图表。《统计》第22卷,第649-664页(2013年)
[152] Minka,T.:近似贝叶斯推断的期望传播。摘自:Jack,D.K.,Breese,S.(编辑)UAI'01:第17届人工智能不确定性会议论文集,第362-369页。西雅图华盛顿大学(2001)
[153] Minsker,S.、Srivastava,S.,Lin,L.、Dunson,D.B.:通过子集后验中位数的稳健可扩展贝叶斯。arXiv预印本。arXiv:1403.2660(2014)·Zbl 1442.62056号
[154] Möller,J.,Pettitt,A.N.,Reeves,R.,Berthelsen,K.K.:一种有效的马尔可夫链蒙特卡罗方法,用于具有难以处理的归一化常数的分布。Biometrika 93,451-458(2006)·Zbl 1158.62020号
[155] Moreau,J.-J.:函数凸对偶和近似点,但不包含Hilbertien。C.R.学院。科学。巴黎。数学。255, 2897-2899 (1962) ·Zbl 0118.10502号
[156] Muff,S.、Riebler,A.、Rue,H.、Saner,P.、Held,L.:使用INLA对测量误差模型进行贝叶斯分析。ArXiv电子打印。1302.3065 (2013) ·Zbl 0870.60027号
[157] Murray,I.,Ghahramani,Z.,MacKay,D.:双重难处理分布的MCMC。In:人工智能中的不确定性。UAI-2006(2006年a)
[158] 我·穆雷。;麦凯,DJ;加赫拉马尼,Z。;斯奇林,J。;Weiss,Y.(编辑);Schölkopf,B.(编辑);Platt,J.(编辑),Potts模型的嵌套采样,第18期,947-954(2006),剑桥
[159] Naylor,J.,Smith,A.:后验分布有效计算方法的应用。申请。《统计》第31卷,第214-225页(1982年)·Zbl 0521.65017号
[160] Neal,P.,Roberts,G.,Yuen,W.K.:目标密度不连续的随机行走Metropolis算法的最佳缩放。附录申请。普罗巴伯。22, 1880-1927 (2012) ·Zbl 1259.60082号
[161] Neal,R.:神经网络的贝叶斯学习。课堂讲稿,第118卷。纽约施普林格出版社(1999年)·Zbl 0888.62021号
[162] 尼尔·R。;Brooks,S.(编辑);Gelman,A.(编辑);Jones,G.(编辑);Meng,X-L(编辑),《使用哈密顿动力学的MCMC》,113-162(2013),博卡拉顿·Zbl 1229.65018号
[163] Neiswanger,W.,Wang,C.,Xing,E.:渐近精确,令人尴尬的平行MCMC。arXiv预印本。arXiv:1311.4780(2013)
[164] Nesterov,Y.:关于凸优化的介绍性讲座:一门基础课程。In:应用优化,第87卷。Kluwer学术出版社,波士顿(2004)·兹比尔1086.90045
[165] Nott,D.,Kohn,R.:贝叶斯变量选择的自适应采样。Biometrika 92,747-763(2005)·Zbl 1160.62312号
[166] Oliveira,J.、Bioucas-Dias,J.和Figueiredo,M.:自适应全变差图像去模糊:优化最小化方法。信号处理。89, 1683-1693 (2009) ·Zbl 1178.94029号
[167] A.B.欧文:经验可能性。查普曼和霍尔,博卡拉顿(2001)·Zbl 0989.62019
[168] 佩斯利,J.,布莱,D.M.,乔丹,M.I.:随机搜索的变分贝叶斯推理。摘自:《第29届国际机器学习会议论文集》(ICML-12),第1367-1374页(2012)·Zbl 1059.62098号
[169] Papaspiliopoulos,O.,Roberts,G.O.,Sköld,M.:层次模型参数化的一般框架。统计科学。22, 59-73 (2007) ·Zbl 1246.62195号
[170] Parikh,N.,Boyd,S.:近端算法。已找到。趋势优化。1, 123-231 (2014)
[171] Patin,E.、Laval,G.、Barrero,L.、Salas,A.、Semino,O.、Santachiara-Generecetti,S.、Kidd,K.、Kidds,J.、Van Der Veen,L.和Hombert,J.等人:使用多点重新排序数据集推断非洲农民和俾格米人狩猎采集者的人口历史。公共科学图书馆-遗传学。5,e1000448(2009)
[172] Pearson,K.:对进化数学理论的贡献。程序。事务处理。R.Soc.A 185、71-110(1894)·JFM 25.0347.02号
[173] Pereyra,M.:近似马尔可夫链蒙特卡罗算法。统计计算。(2015年,待发布)·Zbl 1505.62315号
[174] Peskun,P.:使用马尔可夫链的最佳蒙特卡罗抽样。生物特征60,607-612(1973)·Zbl 0271.62041号
[175] Pesquet,J.-C.,Pustelnik,N.:一种并行惯性近似优化方法。派克靴。J.优化。8, 273-305 (2012) ·Zbl 1259.47080号
[176] Pillai,N.S.,Smith,A.:近似MCMC链的遍历性及其在大型数据集中的应用。arXiv预印本。arXiv:1405.0182(2014)
[177] Pillai,N.S.、Stuart,A.M.、Thieéry,A.H.:高维Langevin算法的最佳缩放和扩散限制。附录申请。普罗巴伯。22, 2320-2356 (2012) ·Zbl 1272.60053号
[178] Plummer,M.:贝叶斯图形模型的切割。统计计算。25(1), 37-43 (2015) ·Zbl 1331.62041号
[179] Potts,R.B.:一些广义序-序转换。程序。外倾角。菲洛斯。Soc.48106-109(1952年)·Zbl 0048.45601号
[180] Pritchard,J.,Seielstad,M.,Perez Lezaun,A.,Feldman,M.:人类Y染色体的群体增长:对Y染色体微卫星的研究。分子生物学。进化。16, 1791-1798 (1999)
[181] Pudlo,P.、Marin,J.-M.、Estoup,A.、Cornuet,J.-M、Gautier,M.、Robert,C.P.:通过随机森林进行ABC模型选择。ArXiv电子打印。1406.6288(2014年)
[182] Quiroz,M.,Villani,M.,Kohn,R.:通过有效的数据子采样加速MCMC。arXiv预印本。arXiv:1404.4178(2014)·Zbl 1420.62121号
[183] Raguet,H.,Fadili,J.,Peyré,G.:广义前向-后向分裂。SIAM J.成像科学。6, 1199-1226 (2013) ·Zbl 1296.47109号
[184] Ramakrishnan,U.,Hadly,E.:使用细胞年代学揭示隐秘的种群历史:29项古代DNA研究的回顾和合成。摩尔生态。181310-1330(2009年)
[185] Richardson,S.、Bottolo,L.、Rosenthal,J.:高维数据稀疏回归分析的贝叶斯模型。贝叶斯统计9,539-569(2010)
[186] Richardson,S.,Green,P.:关于成分数量未知的混合物的贝叶斯分析(附讨论)。J.R.Stat.Soc.B 59,731-792(1997)·Zbl 0891.62020号
[187] Robert,C.,Casella,G.:马尔可夫链蒙特卡罗简史:不完整数据的主观回忆。统计科学。26, 102-115 (2011) ·Zbl 1222.65006号
[188] Robert,C.、Cornuet,J.-M.、Marin,J.-M、Pillai,N.:对ABC模式选择缺乏信心。程序。国家。阿卡德。科学。美国108(37),15112-15117(2011)
[189] Roberts,G.,Gelman,A.,Gilks,W.:随机行走Metropolis算法的弱收敛性和最佳缩放。附录申请。普罗巴伯。7, 110-120 (1997) ·Zbl 0876.60015号
[190] Roberts,G.,Rosenthal,J.:朗之万扩散离散近似的最佳缩放。J.R.Stat.Soc.B 60,255-268(1998)·Zbl 0913.60060号
[191] Roberts,G.,Rosenthal,J.:各种Metropolis-Hastings算法的最佳缩放。统计科学。16, 351-367 (2001) ·Zbl 1127.65305号
[192] Roberts,G.,Rosenthal,J.:一般状态空间马尔可夫链和MCMC算法。普罗巴伯。Surv公司。1, 20-71 (2004) ·Zbl 1189.60131号
[193] Roberts,G.,Rosenthal,J.:自适应马尔可夫链蒙特卡罗算法的耦合和遍历性。J.应用。普罗巴伯。44, 458 (2007) ·Zbl 1137.62015年
[194] Roberts,G.,Rosenthal,J.:适应性MCMC的示例。J.计算。图表。《美国联邦法律大全》第18卷第349-367页(2009年)
[195] Roberts,G.,Stramer,O.:朗之万扩散和大都会黑斯廷斯算法。Methodol公司。计算。申请。普罗巴伯。4, 337-357 (2002) ·Zbl 1033.65003号
[196] Roberts,G.,Tweedie,R.:朗之万分布及其离散近似的指数收敛性。伯努利2,341-363(1996a)·Zbl 0870.60027号
[197] Roberts,G.,Tweedie,R.:多维Hastings和Metropolis算法的几何收敛和中心极限定理。生物特征83,95-110(1996b)·兹标0888.60064
[198] Roberts,G.O.:与采样算法相关的马尔可夫链概念。摘自:《马尔可夫链蒙特卡罗实践》,第57页。查普曼和霍尔,伦敦(1996)·兹比尔0839.62078
[199] Roberts,G.O.:超立方体顶点上乘积测度的最优Metropolis算法。斯托克。斯托克。代表62、275-283(1998)·Zbl 0904.60021号
[200] Roberts,G.O.,Rosenthal,J.S.:通过扩散极限最小化MCMC方差,并应用于模拟回火。附录。普罗巴伯。24, 131-149 (2014) ·Zbl 1298.60078号
[201] Roberts,G.O.,Stramer,O.:关于使用Metropolis Hastings算法对部分观测到的非线性扩散模型进行推断。生物特征88,603-621(2001)·兹比尔0985.62066
[202] Rockafellar,R.T.:单调算子和近点算法。SIAM J.控制优化。14, 877-898 (1976) ·Zbl 0358.90053号
[203] Rossky,P.,Doll,J.,Friedman,H.:布朗动力学作为智能蒙特卡罗模拟。化学杂志。物理学。69, 4628-4633 (1978)
[204] Rubin,D.:应用统计学家的贝叶斯合理相关频率计算。《美国年鉴》第12卷,第1151-1172页(1984年)·Zbl 0555.62010号
[205] Rubinstein,R.Y.:模拟和蒙特卡罗方法。威利,纽约(1981)·Zbl 0529.68076号
[206] Rudolf,D.,Schweizer,N.:基于Wasserstein距离的马尔可夫链扰动理论。arXiv预印本。arXiv:153.04123(2015)·Zbl 1465.60065号
[207] Rue,H.,Martino,S.,Chopin,N.:使用集成嵌套拉普拉斯近似对潜在高斯模型进行近似贝叶斯推断(含讨论)。J.R.Stat.Soc.B 71、319-392(2009)·Zbl 1248.62156号
[208] Saksman,E.,Vihola,M.:关于无界域上自适应Metropolis算法的遍历性。附录申请。普罗巴伯。20, 2178-2203 (2010) ·Zbl 1209.65004号
[209] Salimans,T.,Knowles,D.A.:通过随机线性回归的固定形式变分后验近似。贝叶斯分析。8, 837-882 (2013) ·Zbl 1329.62142号
[210] Saloff-Coste,L.:有限马尔可夫链讲座。摘自:《概率论和统计学讲座》(Saint-Flour,1996)。数学课堂笔记,第1665卷,第301-413页。柏林施普林格(1997)·Zbl 0885.60061号
[211] Schreck,A.,Fort,G.,Corff,S.L.,Moulines,E.:贝叶斯变量选择的收缩阈值Metropolis调整Langevin算法。arXiv预印本。arXiv:1312.5658(2013)·Zbl 1307.62012年
[212] Schrödle,B.,Held,L.:使用INLA进行疾病绘图和生态回归的引物。计算。统计数据26,241-258(2011)·Zbl 1304.65067号
[213] Scott,S.,Blocker,A.,Bonassi,F.,Chipman,H.,George,E.,McCulloch,R.:贝叶斯与大数据:共识蒙特卡罗算法。收录于:EFaBBayes 250会议,第16卷(2013年)
[214] Searle,S.、Casella,G.、McCulloch,C.:方差分量。Wiley,纽约(1992年)·Zbl 0850.62007号
[215] Sherlock,C.:伪边缘随机行走都市的最佳尺度:对噪声产生机制不敏感。arXiv预印本。arXiv:1408.4344(2014)·Zbl 1361.65003号
[216] Sherlock,C.,Thiery,A.H.,Roberts,G.O.,Rosenthal,J.S.:关于伪边缘随机行走Metropolis算法的效率。Ann.Stat.43,238-275(2014年)·Zbl 1326.65015号
[217] Smith,A.,Skene,A.,Shaw,J.,Naylor,J.,Dransfield,M.:贝叶斯范式的实现。Commun公司。统计理论方法14,1079-1102(1985)·Zbl 0582.62025号
[218] Smith,A.,Skene,A.M.,Shaw,J.E.H.,Naylor,J.C.:实用贝叶斯统计的数值和图形方法进展。J.R.Stat.Soc.D 36,75-82(1987)
[219] Solonen,A.、Ollinaho,P.、Laine,M.、Haario,H.、Tamminen,J.、Järvinen,H.:气候模型参数估计的高效MCMC:并行自适应链和早期拒绝。贝叶斯分析。7, 715-736 (2012) ·Zbl 1330.60091号
[220] Stan开发团队:Stan:概率和抽样C++库,2.5.0版。http://mc-stan.org/ (2014)
[221] Stephens,M.:成分数量未知的混合模型的贝叶斯分析——可逆跳跃方法的替代方法。Ann.Stat.28,40-74(2000年)·Zbl 1106.62316号
[222] Stramer,O.,Tweedie,R.:Langevin型模型I:给定平稳分布的扩散及其离散化。Methodol公司。计算。申请。普罗巴伯。1283-306(1999a)·Zbl 0947.60071号
[223] Stramer,O.,Tweedie,R.:Langevin型模型II:MCMC算法的自靶候选。Methodol公司。计算。申请。普罗巴伯。1307-328(1999b)·兹标0946.60063
[224] Strathman,H.、Sejdinovic,D.、Girolma,M.:大数据的无偏贝叶斯:部分后验路径。arXiv预印本。arXiv:1501.03326(2015)·Zbl 1367.62063号
[225] Strid,I.:使用预取方法实现Metropolis-Hastings算法的高效并行。计算。统计数据分析。54, 2814-2835 (2010) ·Zbl 1284.62036号
[226] Suchard,M.,Wang,Q.,Chan,C.,Frelinger,J.,Cron,A.,West,M.:理解统计计算的GPU编程:大规模并行大规模混合的研究。J.计算。图表。《统计》第19卷,第418-438页(2010年)
[227] Tanner,M.,Wong,W.:通过数据增强计算后验分布。《美国统计协会杂志》82,528-550(1987)·兹比尔0619.62029
[228] Tavaré,S.,Balding,D.,Griffith,R.,Donnelly,P.:从DNA序列数据推断聚合时间。遗传学145,505-518(1997)
[229] Taylor,K.:博士论文,华威大学,2014年
[230] Teh,Y.W.,Thieéry,A.,Vollmer,S.:随机梯度Langevin动力学的一致性和波动。arXiv预印本。arXiv:1409.0578(2014)·Zbl 1360.60144号
[231] Templeton,A.:种内系统地理学的统计假设检验:嵌套分支系统地理学分析与近似贝叶斯计算。摩尔生态。18(2), 319-331 (2008)
[232] Templeton,A.:系统地理学和人类进化中的连贯和非连贯推理。程序。国家。阿卡德。科学。美国107(14),6376-6381(2010)
[233] Tierney,L.:关于一般状态空间的Metropolis-Hastings核的注记。附录申请。普罗巴伯。8, 1-9 (1998) ·Zbl 0935.60053号
[234] Toni,T.,Welch,D.,Strelkowa,N.,Ipsen,A.,Stumpf,M.:动力学系统中参数推断和模型选择的近似贝叶斯计算方案。J.R.Soc.接口6187-202(2009)
[235] VanDerwerken,D.N.,Schmidler,S.C.:平行马尔可夫链蒙特卡罗。ArXiv电子打印。1312.7479 (2013)
[236] Verdinelli,I.,Wasserman,L.:使用吉布斯采样器对异常值问题进行贝叶斯分析。统计计算。1, 105-117 (1991)
[237] Verdu,P.、Austerlitz,F.、Estoup,A.、Vitalis,R.、Georges,M.、Théry,S.、Froment,A.、Le Bomin,S.,Gessain,A.、Hombert,J.-M.、Van der Veen,L.、Quintana-Murci,L.,Bahuchet,S.和Heyer,E.:中非西部侏儒狩猎采集者的起源和遗传多样性。货币。生物学19,312-318(2009)
[238] Vihola,M.:具有强制接受率的鲁棒自适应Metropolis算法。统计计算。22, 997-1008 (2012) ·Zbl 1252.65024号
[239] Wakefield,J.,Gelfand,A.,Smith,A.:通过形式比率方法有效生成随机变量。统计计算。1, 129-133 (1991)
[240] Wang,F.,Landau,D.P.:计算状态密度的高效多范围随机行走算法。物理学。修订稿。86, 2050-2053 (2001)
[241] Wang,X.,Dunson,D.:通过Weierstrass采样器并联MCMC。arXiv预印本。arXiv:1312.4605(2013)
[242] Wang,Z.,Mohamed,S.,de Freitas,N.:自适应哈密顿量和黎曼流形蒙特卡罗。摘自:《第三十届机器学习国际会议论文集》,第1462-1470页(2013)·Zbl 1185.60083号
[243] Wegmann,D.,Excoffier,L.:黑猩猩人口统计历史的贝叶斯推断。分子生物学。进化。27, 1425-1435 (2010)
[244] Welling,M.,Teh,Y.W.:通过随机梯度Langevin动力学进行贝叶斯学习。摘自:《第28届机器学习国际会议论文集》(ICML-11),第681-688页(2011)·Zbl 1141.92027号
[245] 怀特·T:《Hadoop:最终指南》。O'Reilly Media,塞巴斯托波尔(2012)
[246] Whiteley,N.,Andrieu,C.,Doucet,A.:使用离散粒子马尔可夫链蒙特卡罗方法切换状态空间模型的有效贝叶斯推断。ArXiv电子打印。1011.2437 (2010) ·Zbl 0854.60065号
[247] 威尔金森,D。;Kontoghiorghes,EJ(编辑),并行贝叶斯计算,481-512(2005),纽约
[248] Wilkinson,D.:粒子边缘Metropolis-Hastings(PMMH)粒子MCMC算法。达伦·威尔金森的研究博客。https://darrenjw.wordpress.com/2011/05/17/the-pparticle-marginal-metropolis-hastings-pmmh-particle-mcmc-algorithm(https://darrenjw.wordpress.com/2011/05/17/the-pparticle-marginal-metropolis-hastings-pmmh-particle-mcmc-algorithm)/(2011年a)
[249] Wilkinson,D.J.:《系统生物学随机建模》,第2版。CRC出版社,纽约(2011年)·Zbl 1099.92004号
[250] Wilkinson,R.:近似贝叶斯计算(ABC)在模型误差的假设下给出了准确的结果。统计应用程序。遗传学。分子生物学。12, 129-141 (2013)
[251] Xifara,T.、Sherlock,C.、Livingstone,S.、Byrne,S.和Girolma,M.:朗之万扩散和大都会调整的朗之万算法。统计概率。莱特。91, 14-19 (2014) ·兹比尔1298.60081
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。